パンダで共分散行列を計算する方法を見つけようとしています。私はデータサイエンティストでも財務担当者でもありません。彼のリーグから抜け出す通常の開発者です。
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randint(0,100,size=(252, 4)), columns=list('ABCD'))
print(df.cov())
したがって、これを行うと、そのような出力が得られます。
その数は膨大で、ゼロに近いと思っていました。 covを取得する前にリターンを計算する必要がありますか?
これに精通している人は、これを少し説明したり、説明との良いリンクを教えてくれますか?ダミーの共分散行列へのリンクが見つかりませんでした。
よろしく、ジュリアン
共分散は、2つの資産(または任意の2つのベクトルまたは配列)の収益が連動して移動する度合いの尺度です。正の共分散は資産収益が一緒に移動することを意味し、負の共分散は収益が逆に移動することを意味します。
反対側には:
相関係数は、2つの変数の動きが関連付けられている度合いを決定する尺度です。相関係数は、2つの配列/ベクトル/資産間の線形関係 2を測定することに注意してください。
そのため、ポートフォリオマネージャーは、2つの資産間の共分散を減らし、相関係数を負に保ち、ポートフォリオに十分な分散を持たせようとします。つまり、1つの資産の収益が減少しても、2番目の資産の収益は減少しません(そのため、負の相関が必要です)。
共分散ではなく、ゼロに近い相関係数を意味しているのかもしれません。
ランダムに生成された数値のシードを提供していないという事実は、実験の再現性を困難にします。しかし、私はあなたがここで提供しているコードを試しました、そして私が得るより近い共分散行列はこれです:
Cov_matrixの数値が非常に大きい理由を理解するには、最初に共分散行列とは何かを理解する必要があります。共分散行列は、i、jの位置に、ランダムベクトルのi番目とj番目の要素間の共分散を持つ行列です。
あなたがチェックするかもしれない良いリンクは https://en.wikipedia.org/wiki/Covariance_matrix です。また、相関行列を理解すると役立つ場合があります: https://en.wikipedia.org/wiki/Correlation_and_dependence#Correlation_matrices